متن آموزشی: فصل 4 – بخش 4-5 — استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي

4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي

4-5-1 مقدمه
پاسخ آزمون فرورفتگي ، که عمق نفوذ فرورونده، h، را بر حسب بار اعمالي به فررونده، P، حساب مي‌کند، مورد علاقه‌ي بسياري از محققان زمينه مواد و تحليل تنش در سالهاي اخير بوده است. استفاده از پاسخ آزمون فرورفتگي، براي پيش‌بيني خواص الستو‌ـ‌پلاستيک، کاربرد ديگري است، که توجه بسياري از محققان را در حوزه علم مواد به خود جلب کرده است. روش‌هاي استخراج خواص الاستو‌ـ‌پلاستيک، در پژوهش‌هاي فراواني، مورد مطالعه قرار گرفته‌اند. مطالعه آزمون فرورفتگي تيز، براي تخمين خواص مکانيکي مواد، از دو گام عمده تشکيل يافته است:

  • در گام اول، پاسخ آزمون فرورفتگي مواد، شامل ويژگي‌يابي منحني جابجايي بار، با استفاده از خواص مکانيکي مواد و خواص مکانيکي و ويژگي هندسي فرورونده، پيش‌بيني مي‌شود (الگوريتم مستقيم).
  • در گام بعد، خواص الاستو پلاستيکي مواد با تفسير پاسخ آزمون فرورفتگي مواد، پيش‌بيني مي‌شود (الگوريتم معکوس).

در اين بخش، يک شبکه عصبي مصنوعي چند لايه مستقيم، براي پيش‌بيني پاسخ آزمون فرورفتگي مواد، مورد استفاده قرار مي‌گيرد. مقادير محاسبه شده براي توابع بدون بعد، براي يادگيري ، اين شبکه عصبي، مورد استفاده قرار مي‌گيرند. در نهايت نيز الگوريتم رقابت استعماري، به مسئله ارزيابي خواص مواد از پاسخ آزمون فرورفتگي، اعمال مي‌شود.

4-5-2 توصيف مسئله معکوس
براي يک ماده الاستو‌ـ‌پلاستيک معين، پاسخ آزمون فرورفتگي، شاملC،dPu/dh وhr/hm، مي‌تواند از طريق آزمون فرورفتگي ابزاري، تعيين شود. هدف اصلي اين بخش، پيش‌بيني خواص الاستو‌ـ‌پلاستيک مواد از پاسخ آزمون فرورفتگي (الگوريتم معکوس) است. پس از آموزش يک شبکه عصبي براي روش مستقيم، از الگوريتم معرفي شده براي آناليز معکوس آن استفاده مي‌کنيم. در حقيقت با اين کار مي‌خواهيم از خروجي شبکه به ورودي آن برسيم. براي بيان دوباره مسئله‌اي که بايد حل شود، تابعي به صورت زير در نظر مي‌گيريم.

F(X) = ANN(X) - Y

که در آن X ، يک آرايه 3×1 از ويژگي‌هاي الستوپلاستيکي E,\,{\sigma _y},\,n و Y نيز ماتريسي 3×1 است که مربوط به تست فرورفتگي يک ماده معين است. ANN نيز، شبکه عصبي مصنوعي‌اي است که براي پيش‌بيني پاسخ آزمون فرورفتگي آموزش ديده است. ايده‌ي اصلي الگوريتم معکوس، يافتن مناسب X(E,{\sigma _y},n) به گونه‌اي است که معادله (28-4) را وقتي برابر صفر قرار مي‌دهيم، راضي مي‌کند. تابع مذکور، يک بهينه‌سازي چند هدفه با پيچيدگي بالا را ايجاد مي‌کند. براي استفاده از الگوريتم تک هدفه، تابع هزينه را به صورت زير تعريف مي‌کنيم:

الگوريتم رقابت استعماري (ICA)، براي بهينه‌سازي تابع هدف فوق، مورد استفاده قرار گرفته است.

4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
در اين بخش، الگوريتم رقابت استعماري به مسئله معکوس، اعمال مي‌‌شود. شکل زير فلوچارت الگوريتم اعمال شده به آناليز معکوس آزمون فرورفتگي را نشان مي‌دهد.. الگوريتم، خواص الاستو‌ـ‌پلاستيک را با کمينه کردن تابع هزينه داده شده در معادله (29-4)، پيش‌بيني مي‌کند.

شكل ‏4 25: فلوچارت ICA، اعمال شده به آناليز معکوس آزمون فرورفتگي.

تنظيمات اوليه‌ي ICA عبارتند از {N_{country}} و {N_{imperialist}}. اجراي الگوريتم براي يک دسته از پاسخ‌هاي آزمون فرورفتگي و با تنظيمات اوليه‌ي متفاوت، نشان داد که وقتي که {N_{country}} \ge 300 و {N_{imperialist}} \ge 20، الگوريتم، بهترين همگرايي را داشته و به جواب يکتايي براي همه دسته ورودي‌ها بدست آمده از FE مي‌رسد. شکل 4-26، امپراطوري‌هاي ICA اعمال شده به يک نمونه از آزمون فرورفتگي حاصل از FE را نشان مي‌دهد. خواص الاستو‌ـ‌پلاستيکي اين نمونه، برابر است با
(E = 90 Gpa, n = 0.34 ,{\sigma _y} = 780 Mpa)
که در حالت نرماليزه، به صورت زير در مي‌آيد.
(-0.2, -0495 , 0.36)

http://www.icasite.info/icasite/post_i/fig_4_26_l.png
شكل ‏4 26: امپراطوري‌هاي اوليه

شكل ‏4 27: امپراطوري‌ها در نسل 35

شكل ‏4 28: امپراطوري‌ها در نسل 77 (همگرايي). جواب نهايي مسئله


شكل ‏4 29: هزينه ميانگين و مينيمم همه‌ي امپرياليست‌ها بر حسب تکرار الگوريتم.

تعداد اوليه‌ي کشورها برابر با 200 بوده که 20 امپراطوري اوليه را تشکيل مي‌دهند. شکل‌هاي 4-26، 4-27 و 4-28 به ترتيب، امپراطوري اوليه و امپراطوري‌ها در نسل‌هاي 35 و 77 (همگرايي) را نشان مي‌دهند. هزينه مينيمم و ميانگين همه امپرياليست‌ها نيز، در شکل 4-29 نشان داده‌ شده‌اند.
اگرچه جواب الگوريتم به شرايط اوليه بستگي دارد، اما انتخاب {N_{country}} و {N_{imperialist}} به حد کافي زياد، که فضاي متغير‌ها را پوشش مي‌دهد، مي‌تواند، يکتايي جواب‌ها را تضمين کند. شکل 4-30، خواص الاستو‌ـ‌پلاستيک (جواب دقيق) و نتايج الگوريتم معکوس را براي يک دسته از پاسخ‌هاي آزمون فرورفتگي، نشان مي‌دهد.

شكل ‏4 30: مقايسه جواب‌هاي دقيق و نتايج الگوريتم معکوس براي يک دسته از نتايج آزمون فرورفتگي به دست آمده از FEA.

شكل ‏4 31: مقايسه جواب‌هاي دقيق و نتايج الگوريتم معکوس براي يک دسته از نتايج آزمون فرورفتگي به دست آمده از FEA، در صفحه‌ي n,{\sigma _y}.

شكل ‏4 32: مقايسه جواب‌هاي دقيق و نتايج الگوريتم معکوس براي يک دسته از نتايج آزمون فرورفتگي به دست آمده از FEA، در صفحه‌ي n,\,E.

شكل ‏4 33: مقايسه جواب‌هاي دقيق و نتايج الگوريتم معکوس براي يک دسته از نتايج آزمون فرورفتگي به دست آمده از FEA، در صفحه‌ي {\sigma _y},\,E

.در شکل 4-30، در هر دياگرام، هر محور، نشان دهنده يک خاصيت الاستو‌ـ‌پلاستيک است. براي داشتن يک ديد مجزا، نتايج در صفحات تصوير شده، در شکل‌هاي 4-31، 4-32 و 4-33، نشان داده شده‌اند. تفاوت بسيار کوچک ميان خروجي‌هاي الگوريتم معرفي شده و نتايج دقيق، نه تنها قابليت الگوريتم معکوس ارائه شده را نشان مي‌دهد، بلکه اين نتايج تأکيد مي‌کنند که ICA استراتژي قدرتمندي، براي بهينه‌سازي توابع با پيچيدگي از درجه بالا مي‌باشد.
4-5-4 نتيجه‌گيري

نتايج اين بخش نشان مي‌دهند که آزمون فرورفتگي، مي‌تواند به عنوان يک تکنيک ساده و سريع براي پيش‌بيني خواص الاستو‌ـ‌پلاستيکي مواد، مورد استفاده قرار گيرد. در اين بخش شبکه عصبي مصنوعي و روش المان محدود براي مدلسازي آزمون فرورفتگي (الگوريتم مستقيم) اعمال شده است. نتايج الگوريتم معکوس، که به حوزه وسيعي از خواص الاستو‌ـ‌پلاستيکي اعمال شده است، تاکيد مي‌کنند که الگوريتم ارائه شده، جواب يکتا و دقيقي براي همه نمونه‌ها مي‌دهد. همچنين، در نظر گرفتن پيچيدگي بالاي تابع هزينه‌اي که بايد کمينه شود و نيز با توجه به يکتايي و دقت جواب‌هاي بدست آمده، تاکيدي دوباره بر توانايي الگوريتم رقابت استعماري، در برخورد با مسائل بهينه‌سازي پيچيده است.

_______________________________________________
آنچه مطالعه کردید، بخشی از متن آموزشی جامعی در مورد الگوریتم رقابت استعماری بود که بر روی سایت “الگوریتم رقابت استعماری و بهینه سازی تکاملی” قرار گرفته است. این متن آموزشی که توضیحات مفصلی را در مورد لگوریتم رقابت استعماری در اختیار می کذارد، در حقیقت بخشهایی نسبتاً کامل از یک پایان نامه در مورد این الگوریتم می باشد. در ادامه فهرست کامل مطالب این متن آموزشی آمده است. برای مشاهده هر بخش می توانید روی عنوان آن بخش کلیک کنید.

 

فهرست مطالب متن آموزشی الگوریتم رقابت استعماری
(جهت مطالعه هر بخش روی آن کلیک کنید.)

چکیده

فصل 1 مقدمه
1-1 هدف و اهميت مسئله
1-2 الگوريتم توسعه داده شده
1-3 مزاياي الگوريتم توسعه داده شده
1-4 ساختار نوشتار

فصل 2 بهينه‌سازي و روشهاي موجود
2-1 انواع مسائل بهينه‌سازي
2-2 روش‌هاي بهينه‌سازي کمينه‌جو
2-2-1 بهينه‌سازي تحليلي
2-2-2 جستجوي خط
2-2-3 روش‌هاي نيوتوني
2-2-4 روش کاهشي نِلدِر ـ ‌ميد با اشکال غير مرکب
2-3 الگوريتم‌ ژنتيک
2-4 الگوريتم بازپخت شبيه‌سازي شده
2-5 بهينه‌سازي گروه ذرات
2-6 کلوني مورچه‌ها
2-7 برنامه‌ريزي ژنتيک

فصل 3 استراتژي بهينه‌سازي مبتني بر تکامل اجتماعي‌ـ‌سياسي
3-1 مقدمه
3-2 مروري تاريخي بر پديده استعمار

3-2-1 هند
3-2-2 مالزي
3-2-3 هندوچين فرانسه
3-2-4 هند شرقي (اندونزي)

3-3 الگوريتم پيشنهادي
3-3-1 شکل دهي امپراطوري‌هاي اوليه
3-3-2 مدل‌سازي سياست جذب: حرکت مستعمره‌ها به سمت امپرياليست
3-3-3 جابجايي موقعيت مستعمره و امپرياليست
3-3-4 قدرت کل يک امپراطوري
3-3-5 رقابت استعماري
3-3-6 سقوط امپراطوري‌هاي ضعيف
3-3-7 همگرايي

3-4 مثال کاربردي
3-5 نتيجه‌گيری
3-6 توابع هزينه مورد استفاده

فصل 4 پياده‌سازي هاي انجام شده
4-1 استفاده از الگوريتم معرفي شده براي طراحي يک کنترل‌کننده PID بهينه
4-1-1 کنترل‌کننده PID
4-1-2 طراحي کنترل‌کننده PID بهينه توسط الگوريتم رقابت استعماري
4-1-3 نتيجه‌گيري
4-2 استفاده از الگوريتم رقابت امپرياليستي براي طراحي کنترل‌کننده PID چند متغيره براي سيستم صنعتي ستون تقطير
4-2-1 مقدمه
4-2-2 کنترل‌کننده PID براي فرايند چند متغيره
4-2-3 نتايج شبيه‌سازي
4-2-4 نتيجه‌گيري

4-3 الگوريتم رقابت استعماري؛ ابزاري براي يافتن نقطه تعادل نش
4-3-1 يک بازي غير خطي استاتيک ساده
4-3-2 يک بازي با پيچيدگي بيشتر
4-4 طراحي بهينه آنتهاي آرايه‌اي

4-5 استفاده از الگوريتم رقابت استعماري براي شناسايي ويژگي مواد از آزمون فرورفتگي
4-5-1 مقدمه
4-5-2 توصيف مسئله معکوس
4-5-3 حل مسئله معکوس توسط الگوريتم رقابت استعماري
4-5-4 نتيجه‌گيری

4-6 کنترل فازي اتومبيل
4-6-1 مدل اتومبيل
4-6-2 نتايج

فصل 5 خلاصه، نتيجه‌گيري و پيشنهادات

فصل 6 مراجع

لازم به ذکر است که فایل PDF جامعتر این متن آموزشی نیز بر روی سایت در این لینک (کلیک کنید) قرار گرفته است. توصیه می شود پس از مطالعه بخش مربوطه در وبسایت، در صورت تمایل متن فایل PDF را نیز مطالعه نمایید.

نکته دیگر قابل ذکر این است که الگوریتم رقابت استعماری در حال حاضر در نسخه های مختلف و با تغییراتی نسبت به نسخه اولیه آن توسط دانشجویان و محققین حوزه بهینه سازی مورد استفاده قرار می گیرد. متن آموزشی ارائه شده بر روی سایت ورژن اولیه و نسخه ابتدایی الگوریتم رقابت استعماری می باشد. برای آشنایی با نسخه های جدیدتر الگوریتم می توانید به برخی از مقالات ارائه شده بر روی سایت مراجعه نمایید.

_____________________________________________
نظرات شما در انتهای این پست برای سایر خوانندگان، بسیار مفید خواهد بود. می توانید نظر خود را با اکانت سرویس های مختلف و یا به عنوان ناشناس در این پست درج نمائید.
صرف زمان برای یادگیری اتلاف زمان نیست. سرمایه گذاری زمانی است.
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *